信頼性の高い資産健全性のための最適な予知保全センサー選定

状態基準保全（CbM）はセンサーで設備健全性を追跡し、予知保全（PdM）はCbM、機械学習、分析を組み合わせて故障を予測します。ダウンタイム前に故障を検出、診断、予測するには、適切なセンサー選定が不可欠です。

産業用モーターはプラントや発電所で20年の連続運転向けに設計されていますが、多くが期待寿命に達しません¹。原因には低負荷運転、不十分なメンテナンス、PdMシステムの不在があります。適切に実装されたPdMプログラムは修理をプロアクティブにスケジュールし、計画外停止を防ぎ、資産寿命を延ばします。

堅牢なPdM戦略は、高い信頼性で早期に故障を捕捉するために複数の手法とセンサーを採用します。万能な「ワンセンサーフィッツオール」は存在しません。本記事では、なぜセンサーがPdMに不可欠かを説明し、それぞれの長所と限界を強調します。

システム故障タイムライン

図1は、モーターのライフサイクル（設置から故障まで）と、各段階で推奨されるセンサーを示しています。保証期間が終了すると、メンテナンスは頻繁な検査から定期チェックへと移行します。

図1: 機械健全性と時間の関係 (出典: Analog Devices)

計画外ダウンタイムは、スケジュールされたチェックの間に故障が発生したときに起こります。鍵は早期に問題をフラグできるセンサーです。本記事は振動と音響ソリューションに焦点を当て、振動分析が通常PdMの出発点となります²。

予知保全センサー

一部のセンサーは、ベアリング損傷などの特定故障を他よりも早期に検出できます。加速度センサーとマイクロホンが早期故障検出で最も広く使用されています。表1にセンサー仕様と検出可能な故障をまとめます。PdMシステムは通常これらのセンサーのサブセットを導入するため、各故障タイプとそれを捉える最適なセンサーを理解することが重要です。

表1. CbMで一般的なセンサー (出典: Analog Devices)

センサーとシステム故障の考慮事項

産業用回転機械の90%以上が転がり軸受を使用しています³。図2はモーター部品故障の分布を示し、ベアリング監視の重要性を強調しています。振動センサーは、潜在的故障を検出、診断、予測するために低ノイズと広帯域幅を提供する必要があります。

図2. 故障したモーター部品の発生割合⁴ (出典: Analog Devices)

表2は、回転機械の一般的な故障と早期検出のための振動センサー要件を詳述しています。高性能センサーは信頼性の高い運用に不可欠です。

表2. 機械故障と振動センサー考慮事項の概要 (出典: Analog Devices)

振動エネルギー（ピーク、ピークツーピーク、RMS）はアンバランスやミスアライメントを明らかにします⁵. ベアリングやギア欠陥などの初期段階故障には、低ノイズ（<100 µg/√Hz）かつ広帯域（>5 kHz）のセンサーと高度な信号処理の組み合わせが必要となることが多いです。

PdM向け振動、音響、超音波センサー

MEMSマイクロホンは、MEMS素子をPCBに実装し、通常金属ハウジングに音圧用ポートを備えて収納されます。コスト効率が良く、コンパクトで、ベアリング健全性、ギア噛み合い、ポンプキャビテーション、ミスアライメント、アンバランスのバッテリー駆動監視に最適です。しかし、騒音や過酷な環境では、周囲騒音、湿度、機械的衝撃により性能が低下する可能性があります。

多くのMEMSデータシートは良性アプリケーション（モバイル、ノートPC、ゲーム）を記載していますが、衝撃への感度も指摘しています。一部は最大10,000gの生存性を謳っています⁷。極限環境への適合性についての明確さは限られています。

MEMS超音波マイクロホンは20～100 kHz範囲の音を分析し、周囲騒音が最小限です。高周波は波長が短く（0.3～1.6 cm）、指向性エネルギーが高いため、ベアリングやハウジング内の故障を精密に特定するのに役立ちます。

加速度センサーは、大型回転機器（タービン、ポンプ、モーター、ギアボックス）の振動センシングを支配しています。表3と表4で、高性能MEMS振動/音響センサーと業界ゴールドスタンダードの圧電加速度センサーを比較します。

CbM市場は今後5年間で大幅に成長すると予測され、ワイヤレス導入がその大部分を牽引します⁶。圧電加速度センサーは高性能ですが、大型で消費電力が大きいため、バッテリー駆動PdMシステムにはMEMS加速度センサーとマイクロホンが魅力的です。

すべてのセンサータイプが十分な帯域幅と低ノイズを提供しますが、MEMS加速度センサーはDCから高周波までの応答を独自に提供し、低速アンバランス検出と傾き検知に有益です。また、自己診断機能を備え、機能的完全性を保証します。これは重要な安全上の利点です。

MEMS加速度センサー（セラミック）と圧電加速度センサー（機械的）の両方で気密封止が可能で、汚れや過酷な環境での使用を可能にします。表4は機械的および環境的性能の違いを強調し、センサーと資産のマッチングをガイドします。

表3. 予知保全センサー性能仕様 (出典: Analog Devices)

表4. 予知保全センサー機械仕様 (出典: Analog Devices)

3軸振動データはより豊富な診断を提供し、シングル軸セットアップを超えた故障検出を改善します。これは圧電とMEMS両方の加速度センサーの明確な利点です。

MEMSマイクロホンは高湿度環境で最大-8 dBの歪みを受ける可能性があります⁷。このような条件下では、エレクトレットコンデンサーマイクロホン（ECM）の方が性能が良い場合があります。風、圧力、電磁界、衝撃などの他の環境要因も音響センサーに影響を与えます⁸。

良性環境では、MEMSマイクロホンは優れたPdM性能を発揮します。しかし、過酷で振動が激しく、埃っぽい、または湿気の多い環境への取り付けは課題を提示します。音響アクセス用のポートが必要で、内部エレクトロニクスが汚染物質にさらされる可能性があります。

容量性MEMS加速度センサー技術の最近の進歩により、小型、低コスト、ワイヤレスCbMソリューションが低優先度資産向けに実現可能になり、施設運用と稼働率へのより深い洞察を提供します。これらのMEMSセンサーは、低ノイズ、広帯域幅、業界標準IEPEインターフェースで、有線システムの圧電性能に迫ります。

図3. MEMS加速度センサー、IEPEリファレンス、ADXL100xファミリーのCbM加速度センサーをIEPE機械モジュールにレトロフィット可能なPCB設計。注: Analog DevicesはIEPE機械モジュールを製造していません。(出典: Analog Devices)

Analog DevicesのADcmXL3021のような専用PdMモジュールは、3つの単軸MEMS加速度センサー、ADC、プロセッサ、メモリ、アルゴリズムを、共振周波数>50 kHzの機械パッケージに統合します。これにより、機械学習ベースの故障予測に不可欠なオンノードFFT、アラームトリガー、統計出力が可能になります。

図4. 統合ADC、プロセッサ、FFT、統計、共振周波数>50kHzの機械パッケージを備えた3軸MEMS CbMモジュール (出典: Analog Devices)

適切な振動センサーの選定は、センサー能力を資産の想定故障モードにマッチングさせることに依存します。MEMSマイクロホンは、最も過酷な環境でのすべての振動ベースの故障を確実に検出するには至っていませんが、加速度センサーは数十年の信頼性実績があります。MEMS超音波マイクロホンは早期ベアリング故障検出に有望で、加速度センサーを補完するハイブリッドPdMソリューションとなり得ます。

万能な単一センサーは存在しませんが、加速度センサーは実証済みで進化し続ける選択肢です。Analog Devicesは、低消費電力・低ノイズ・高安定ユニットからインテリジェントエッジノードモジュールまで、多様なアプリケーションニーズに対応する幅広いMEMS加速度センサーポートフォリオを提供しています。

参考文献

1 Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine Design, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, and Jan Desmet. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.

3 Brian P. Graney and Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.

4 Pratyay Konar, R. Bandyopadhyay, and Paramita Chattopadhyay. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.

5 Pete Sopcik and Dara O'Sullivan. "How Sensor Performance Enables Condition-Based Monitoring Solutions," Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall, Amrit Abrol, and David Locker. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.

8 Marcel Janda, Ondrej Vitek, and Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck‑Gyu Lee, and Shin Hur. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, March 2019.